Neura Robotics 发布 Neuron AI 机器人基础模型，融合视觉、触觉与音频

新闻机器人公司押注触觉与声音，认为这能让机器人胜过视觉AI

Neura的最新基础模型融合视觉、触觉和音频以提升机器人感知能力，但用足够的真实世界数据来训练它可能并非易事。Scarlett Evans，特约撰稿人

2026年10月19日 阅读时长2分钟Neura Robotics

德国Neura Robotics发布了一款基础模型，帮助机器人在视觉之外利用触觉、声音和其他感官输入做出决策，以期提升机器的感知能力。

这款名为Neuron AI的新模型将3D视觉、触觉与力数据、音频、机器人状态和语言融合在一个感知—语言—动作模型中。Neura表示，该设计还融入了“记忆”功能，使机器人即使在物体不再可见时也能保留关于物体和先前动作的信息。

Neura计划于本周晚些时候在英伟达柏林GTC大会上现场演示Neuron AI。在演示中，Neura的人形机器人4NE1将使用新模型训练，完成一段十一分钟的衣物处理流程。

这一方法不同于主要依赖视觉—语言—动作（VLA）模型的传统物理AI系统，后者利用视觉信息学习执行任务。

相关报道：波士顿如何成为物理AI中心

据Neura介绍，Neuron AI使用三类数据源来训练机器人：真实世界的机器人交互、模拟任务与环境，以及通过配备传感器的服装采集的人类演示。

该公司在其Neura Gyms收集感官和运动数据，这些训练场为机器人训练模型提供基础设施。

然而，尽管融合多种感官输入可能帮助机器人处理仅靠摄像头无法完成的任务，但这种方法带来了训练挑战：收集足够合适的教据来教会模型理解和响应这些输入。

“大多数物理AI技术栈都聚焦于VLA模型，它们从‘看’中学习，”工业自动化和机器人研究市场公司Interact Analysis的高级研究经理Rueben Scriven说。“Neura押注的是，能够在不同感官输入上训练的模型将表现更好。”

这种方法还可能补充Neura垂直整合的传感器技术栈，从而可能使该公司比竞争对手更具优势。

不过，Scriven质疑Neura能否收集到足够的数据，以在如此多的感官输入上有效训练该模型。

“标注良好的视频数据本就有限，更不用说多模态输入数据了，”他说。“因此，真正的问题是，其机器人训练场的数据收集是否足以训练这些模型。”

超越视觉训练机器人

Neura认为，对于仅凭视觉信息无法可靠判断正在发生什么的任务，额外的感官输入很重要。据该公司称，当机器人打开一把锁时，只有声音和触觉才能确认它确实打开了。

相关报道：机器人之间还无法相互交流——这是一个重大的AI瓶颈

该模型的记忆功能旨在帮助机器人在物体移出视野以及机器人动作改变周围环境时保持上下文。

该公司尚未披露额外感官输入对性能的影响程度，也未披露实现可靠结果需要多少训练数据。

Scarlett Evans是一名自由撰稿人，专注于新兴技术和矿产行业。此前，她曾担任IoT World Today的助理编辑，专攻机器人和智慧城市技术。Scarlett还拥有采矿和资源行业的背景，曾在Mine Australia、Mine Technology和Power Technology任职。她于2022年4月加入Informa，之后转为自由职业。查看更多Scarlett Evans的文章

最新新闻更多最新新闻生成式AI微软可能在法律版Copilot上占据优势微软可能在法律版Copilot上占据优势作者：Esther Shittu2026年10月19日 阅读时长3分钟

热门文章查看更多生成式AI微软可能在法律版Copilot上占据优势微软可能在法律版Copilot上占据优势

2026年10月19日机器人技术波士顿如何成为物理AI中心波士顿如何成为物理AI中心

2026年10月19日最新播客

生成式AI

漫谈Muse的新AI模型与难以驾驭的DeepSeek2026年10月14日

生成式AI

Reflection Beam将美国开放权重AI模型瞄准中国竞争对手2026年10月7日

生成式AI

AI智能体的上下文因素2026年10月7日

生成式AI

2026年纽约AI峰会